Waarom gespecialiseerde AI-agenten de volgende grote stap vormen
Jarenlang draaide kunstmatige intelligentie vooral om steeds grotere taalmodellen die zoveel mogelijk taken tegelijk moesten uitvoeren. Maar volgens Justin Schroeder, medeoprichter van StandardAgents, ligt de echte doorbraak juist in de tegenovergestelde richting: niet één alleskunner, maar een team van gespecialiseerde AI-agenten die ieder uitblinken in hun eigen vakgebied en slim met elkaar samenwerken.
Tijdens zijn presentatie legt hij uit waarom deze architectuur niet alleen krachtiger is, maar ook goedkoper, betrouwbaarder en eenvoudiger op te schalen. Daarmee kan AI evolueren van een handige assistent voor medewerkers naar een volwaardige motor achter klantgerichte toepassingen.
Van één slimme assistent naar een compleet AI-team
In de softwarewereld bestaat al jarenlang een bekend ontwerpprincipe: composition over inheritance. Vrij vertaald betekent dit dat het beter is om verschillende gespecialiseerde bouwstenen samen te voegen dan één enorm complex systeem te bouwen dat alles probeert te doen.
Volgens Schroeder geldt precies hetzelfde voor AI.
Een AI-agent die volledig gespecialiseerd is in Gmail begrijpt e-mails, inboxbeheer en communicatie veel beter dan een algemene AI-tool met een losse Gmail-functie. Wanneer diezelfde Gmail-agent vervolgens kan samenwerken met gespecialiseerde agenten voor Google Sheets, Notion, GitHub of andere platformen, ontstaat een compleet ecosysteem waarin iedere agent doet waar hij het beste in is.
Het resultaat is een systeem dat slimmer wordt door samenwerking in plaats van omvang.
Waarom gespecialiseerde agenten beter presteren
Een gespecialiseerde agent beschikt over veel diepere kennis van één domein. Daardoor hoeft hij minder context te verwerken en kan hij efficiënter beslissingen nemen.
Dat levert verschillende voordelen op:
- hogere betrouwbaarheid;
- minder fouten;
- lagere rekencapaciteit;
- snellere uitvoering;
- eenvoudiger onderhoud;
- betere schaalbaarheid.
In plaats van één gigantisch model dat voortdurend enorme hoeveelheden informatie moet verwerken, krijgt iedere agent slechts één duidelijke verantwoordelijkheid.
Kleine AI-modellen krijgen ineens grote mogelijkheden
Een opvallend inzicht uit de presentatie is dat kleinere taalmodellen hierdoor veel waardevoller worden.
Vandaag wordt vaak gedacht dat alleen de grootste modellen complexe bedrijfsprocessen aankunnen. Schroeder stelt juist dat kleinere modellen verrassend krachtig worden zodra ze zich volledig op één taak mogen richten.
Een gespecialiseerde GitHub-agent hoeft bijvoorbeeld alleen codeopslag, repositories en pull requests te begrijpen. Een Notion-agent richt zich uitsluitend op documentatie en kennisbeheer. Een Gmail-agent verwerkt uitsluitend e-mail.
Samen leveren zij prestaties die voorheen alleen van één gigantisch AI-model werden verwacht.
Dat maakt AI bovendien aanzienlijk goedkoper om te gebruiken.
Van copilots naar echte producten
Veel organisaties gebruiken AI vandaag nog vooral als interne assistent.
Medewerkers laten documenten samenvatten, e-mails schrijven of code genereren. Dat zijn nuttige toepassingen, maar volgens Schroeder vormt dit slechts de eerste fase van de AI-revolutie.
Wanneer gespecialiseerde agenten zelfstandig samenwerken, ontstaan volledig nieuwe producten die rechtstreeks door klanten gebruikt kunnen worden.
Een klantenservice kan bijvoorbeeld bestaan uit meerdere samenwerkende agenten:
- een agent die klantgegevens beheert;
- een agent voor facturen;
- een agent voor planning;
- een agent voor technische documentatie;
- een agent voor communicatie.
Voor de klant voelt dit als één intelligente assistent, terwijl achter de schermen meerdere experts samenwerken.
Waarom deze architectuur nog geen standaard is
Ondanks de voordelen is deze aanpak nog lang geen gemeengoed.
Volgens Schroeder ontbreken momenteel nog enkele belangrijke bouwstenen.
Ontwikkelaars beschikken wel over krachtige AI-modellen, maar er bestaan nog relatief weinig gestandaardiseerde agenten die eenvoudig met elkaar kunnen communiceren. Daarnaast ontbreken universele afspraken over samenwerking, taakverdeling en gegevensuitwisseling.
Zolang iedere ontwikkelaar zijn eigen systeem bouwt, blijft het lastig om verschillende agenten probleemloos te combineren.
Open source als versneller van het AI-ecosysteem
Schroeder is al jaren actief binnen de open-sourcegemeenschap en ziet open standaarden als de sleutel tot deze nieuwe generatie AI.
Wanneer ontwikkelaars gespecialiseerde agenten kunnen bouwen die volgens dezelfde afspraken communiceren, ontstaat een ecosysteem waarin organisaties eenvoudig nieuwe agenten kunnen toevoegen zonder hun volledige infrastructuur opnieuw te ontwerpen.
Dat lijkt sterk op hoe internet zelf is gegroeid: dankzij gedeelde protocollen konden duizenden onafhankelijke systemen uiteindelijk één wereldwijd netwerk vormen.
De volgende evolutie van AI-ontwikkeling
De presentatie laat zien dat de toekomst van AI waarschijnlijk minder draait om steeds grotere modellen en meer om slimme samenwerking tussen gespecialiseerde experts.
In plaats van één alleswetende AI ontstaat een digitaal team waarin iedere agent verantwoordelijk is voor een specifiek vakgebied. Door deze samenwerking kunnen organisaties sneller bouwen, lagere kosten realiseren en betrouwbaardere AI-oplossingen ontwikkelen.
Voor softwareontwikkelaars betekent dit een fundamentele verschuiving in denken. Niet langer staat het grootste model centraal, maar de beste samenwerking tussen gespecialiseerde AI-agenten. Juist die modulaire aanpak zou wel eens de volgende grote stap kunnen worden in de evolutie van kunstmatige intelligentie.
